論文の概要: End-to-End Shared Attention Estimation via Group Detection with Feedback Refinement

• arxiv url: http://arxiv.org/abs/2604.01714v1
• Date: Thu, 02 Apr 2026 07:26:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.586489
• Title: End-to-End Shared Attention Estimation via Group Detection with Feedback Refinement
• Title（参考訳）: フィードバックリファインメントを用いたグループ検出によるエンドツーエンドの共有注意推定
• Authors: Chihiro Nakatani, Norimichi Ukita, Jean-Marc Odobez,
• Abstract要約: 本稿ではグループ検出によるエンドツーエンドの共通注意推定手法を提案する。 実験により,本手法はグループ検出や共有注意推定において,他の手法よりも優れていることが示された。
• 参考スコア（独自算出の注目度）: 26.416292343030406
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper proposes an end-to-end shared attention estimation method via group detection. Most previous methods estimate shared attention (SA) without detecting the actual group of people focusing on it, or assume that there is a single SA point in a given image. These issues limit the applicability of SA detection in practice and impact performance. To address them, we propose to simultaneously achieve group detection and shared attention estimation using a two step process: (i) the generation of SA heatmaps relying on individual gaze attention heatmaps and group membership scalars estimated in a group inference; (ii) a refinement of the initial group memberships allowing to account for the initial SA heatmaps, and the final prediction of the SA heatmap. Experiments demonstrate that our method outperforms other methods in group detection and shared attention estimation. Additional analyses validate the effectiveness of the proposed components. Code: https://github.com/chihina/sagd-CVPRW2026.
• Abstract（参考訳）: 本稿ではグループ検出によるエンドツーエンドの共通注意推定手法を提案する。 従来のほとんどの方法では、実際のグループを検出せずに共有注意(SA)を推定したり、特定の画像に1つのSA点が存在すると仮定する。 これらの問題により、SA検出の適用性や性能への影響が制限される。 そこで我々は,2段階のプロセスを用いてグループ検出と共有注意推定を同時に行うことを提案する。 一 個別の注目熱マップ及びグループメンバーシップスカラーによるSAヒートマップの生成 (II)初期SAヒートマップを考慮に入れた初期グループメンバーシップの洗練,およびSAヒートマップの最終的な予測を行った。 実験により,本手法はグループ検出や共有注意推定において,他の手法よりも優れていることが示された。 さらなる分析により,提案手法の有効性が検証された。 コード:https://github.com/chihina/sagd-CVPRW2026。

関連論文リスト

• ProgRoCC: A Progressive Approach to Rough Crowd Counting [66.09510514180593]
  私たちはRough Crowd Countingというラベルを付け、取得が容易なトレーニングデータに基づいて精度を向上します。 本稿では,ProgRoCCと呼ばれるCLIPに基づく大群カウント問題に対するアプローチを提案する。 具体的には、粗大なアプローチによってオブジェクト数を決定するプログレッシブな推定学習戦略を導入する。
  論文  参考訳（メタデータ） (2025-04-18T01:57:42Z)
• A structured regression approach for evaluating model performance across intersectional subgroups [53.91682617836498]
  分散評価(disaggregated evaluation)は、AIフェアネスアセスメントにおける中心的なタスクであり、AIシステムのさまざまなサブグループ間でのパフォーマンスを測定することを目的としている。 非常に小さなサブグループであっても,信頼性の高いシステム性能推定値が得られることを示す。
  論文  参考訳（メタデータ） (2024-01-26T14:21:45Z)
• OpenAUC: Towards AUC-Oriented Open-Set Recognition [151.5072746015253]
  従来の機械学習は、トレーニングとテストセットが同じラベル空間を共有するという密接な前提に従っている。 Open-Set Recognition (OSR) は、クローズセットサンプルとオープンセットサンプルの両方で正確な予測を行うことを目的としている。 これらの問題を解決するために,OpenAUCという新しいメトリクスを提案する。
  論文  参考訳（メタデータ） (2022-10-22T08:54:15Z)
• Conversation Group Detection With Spatio-Temporal Context [11.288403109735544]
  本稿では,カクテルパーティーやネットワークイベントなどの社会的シナリオにおける会話グループ検出手法を提案する。 環境の空間的文脈を活用することの恩恵を受けることができる学習問題として,会話グループの検出を仮定する。 これはLSTMに基づく動的深層学習モデルから成り、連続的なペアワイド親和性値を予測するアプローチである。
  論文  参考訳（メタデータ） (2022-06-02T08:05:02Z)
• Spectral Clustering with Variance Information for Group Structure Estimation in Panel Data [7.712669451925186]
  まず、各係数の推定値のばらつきがグループ構造の推定に有用な情報を含んでいることを示す局所解析を行う。 次に、分散情報を明示的に考慮した一般的なパネルデータモデルに対して、観測不能なグルーピングを推定する手法を提案する。
  論文  参考訳（メタデータ） (2022-01-05T19:16:16Z)
• Group Activity Prediction with Sequential Relational Anticipation Model [28.225918711577314]
  不完全な活動実行を伴う初期フレームからグループアクティビティを予測する新しい手法を提案する。 グループ活動予測では,人々の活動と時間的位置との関係は,グループ活動を予測する上で重要な手がかりとなる。 本モデルは,グループ活動予測のための識別的グループ表現を学習することを目的として,2つのグラフオートエンコーダによる活動特徴と位置の両方を明示的に予測する。
  論文  参考訳（メタデータ） (2020-08-06T03:17:14Z)
• MatchGAN: A Self-Supervised Semi-Supervised Conditional Generative Adversarial Network [51.84251358009803]
  本稿では,条件付き生成逆数ネットワーク(GAN)に対する,半教師付き環境下での自己教師型学習手法を提案する。 利用可能な数少ないラベル付きサンプルのラベル空間から無作為なラベルをサンプリングして拡張を行う。 本手法は,ベースラインのトレーニングに使用したラベル付きサンプルの20%に過ぎません。
  論文  参考訳（メタデータ） (2020-06-11T17:14:55Z)
• A Robust Functional EM Algorithm for Incomplete Panel Count Data [66.07942227228014]
  完全無作為な仮定(MCAR)の下での数え上げ過程の平均関数を推定する機能的EMアルゴリズムを提案する。 提案アルゴリズムは、いくつかの一般的なパネル数推定手法をラップし、不完全数にシームレスに対処し、ポアソン過程の仮定の誤特定に頑健である。 本稿では, 数値実験による提案アルゴリズムの有用性と喫煙停止データの解析について述べる。
  論文  参考訳（メタデータ） (2020-03-02T20:04:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。